提出了一种基于加速稳健特征(SURF)算法的精确定位的方法,通过识别地面铺设的二维(QR)码完成了定位预判与姿态矫正。对获取的QR图像进行预处理,并采用SURF算法提取图像中的特征点信息,匹配实时图像与目标图像的特征点,并利用最小二乘拟合获取图像间的转换矩阵,将转换矩阵与自动导引车(AGV)的视觉导引模型结合以实现AGV的精确定位。实验结果表明,在结构尺寸较大的重载AGV中,所提算法的定位稳健性较好,精度达到±1 mm。

对于一台激光跟踪仪对多个测量点进行测量的问题, 提出了一种视觉引导激光跟踪测量方法。摄像机固定于激光跟踪仪顶部, 随之旋转对测量范围内激光跟踪仪反射器进行定位, 引导激光跟踪仪激光投射到反射器上。标定摄像机与激光跟踪仪相对姿态, 用平面圆孔靶标。激光跟踪仪和摄像机同时测量圆孔靶标, 将两个坐标系下对应三维点数组进行均值化处理, 变为两个坐标系下对应的向量组, 向量组之间的转换关系, 即激光跟踪仪与摄像机之间的旋转矩阵。再根据两坐标系下对应的任一点的三维坐标, 求解两坐标系的平移矢量。此标定算法把对两个坐标系之间的旋转矩阵的求解, 通过Cayley变换, 转换为对与转换矩阵相对应的三维向量的求解, 求解过程简单稳定。实验结果表明, 靶标摆放50次, 测量误差小于1 mm。把校准结果应用到实际测量中, 激光跟踪仪可快速准确地将激光束投射到反射球中。此方法操作简单, 稳定性强, 具有很高的实用价值。

无人机自主着舰末端视觉导引中舰机间相对位姿的估测，可以看作机载摄像机对甲板平面3D运动的估测。提出了一种光流分层方法：首先利用已知焦距的机载摄像机拍摄着舰靶标区域的图像序列，并采用Lucas方法计算相邻两帧图像的光流场；而后通过分层模型，将由光流场进行3D运动检测的非线性问题转化为了两个线性问题。该方法无需图像间的特征匹配，可线性解算出着舰靶标区域相对于无人机的三维运动参数，进而得到舰机间的相对位姿信息。计算机合成图和摄像机实拍图像的实验结果验证了该算法的正确性和有效性。